همبستگی در سری‌های زمانی

author

  • ,
Abstract:

This article doesn't have abstract

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

برآورد دوره تناوب سریهای زمانی با همبستگی متناوب ‏‎(pc)‎‏

روش معمول تجزیه و تحلیل سریهای زمانی به شدت به فرض ایستایی وابسته است اما در بسیاری از فرآیندهای فیزیکی این فرض برقرار نیست. در سالهای اخیر از فرآیندهای با همبستگی متناوب ‏‎pc‎‏ جهت مدل بندی فرآیندهای فیزیکی بیشتر استفاده شده است. استفاده از این فرآیندها بدان جهت است که رفتار این فرآیندهای ناایستا بسیاری از خواص فرآیندهای ایستا را داراست . یکی از مسائل مهم در ارتباط با فرآیندهای ‏‎pc‎‏ تعیین دو...

15 صفحه اول

فاصله اطلاعاتی و کاربرد آن در سریهای زمانی

  In this paper a new method is introduced for studying time series of complex systems. This method is based on using the concept of entropy and Jensen-Shannon divergence. In this paper this method is applied to time series of billiard system and heart signals. By this method, we can diagnose the healthy and unhealthy heart and also chaotic billiards from non chaotic systems . The method can al...

full text

تحلیل سریهای زمانی فازی

چکیده: تحلیل سری زمانی یکی از شاخه های آمار و احتمال است، که در سایر رشته های علوم مانند ژئوفیزیک، هواشناسی، اقتصاد، جغرافیا و زمین شناسی کاربرد فراوانی دارد. نادقیق بودن یا عدم قطعیت مشاهدات ممکن است تصادفی، یا در نتیجه عوامل عینی و ذهنی باشد. هر چند داده های فازی مشکل نادقیق بودن اندازه گیری صفات را بر طرف می کنند، ولی محاسبات بر پایه آنها مشکل است. زیرا هنگام کار کردن با داده های فازی به جا...

15 صفحه اول

سریهای زمانی فازی

هدف اصلی این پایان نامه معرفی، تشخیص، مدل بندی و پیش بینی سریهای زمانی ای است که داده های آن قطعیت نداشته و تحت عنوان اعداد فازی و مقادیر زبانی معرفی می شوند. در ابتدا به کمک دو نمایش مفید از اعداد فازی یعنی نمایش آنها بر اساس نقاط برش و برشهای نموی به تجزیه و تحلیل سریهای زمانی فازی و پیش بینی آنها می پردازیم. سپس متغیر های زبانی که مقادیر اختیار شده توسط آنها برچسبهای زبانی بوده و در بحث فاز...

15 صفحه اول

تجزیه و تحلیل سریهای زمانی تصادفی به روش قطع تراز

  Level crossing is a powerful method for analyzing the random time series. In this paper by introducing this method we investigate the beta noises and represent differences between 1/f noise and white noise and also research the cardiac heart interbeat interval (RR) time series and find clear distinctions between healthy samples and samples with Congestive heart failure (CHF) disease.

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 2  issue 2

pages  44- 47

publication date 1998-03

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023